1. Contexte

Dans le domaine du génie civil, le dimensionnement et l’optimisation du ferraillage des dalles en béton armé constituent une étape cruciale pour garantir la sécurité, la fiabilité et l’économie des projets de construction. Les méthodes classiques reposent généralement sur des calculs de Résistance des Matériaux (RDM) ou sur des modèles d’Éléments Finis (EF). Bien que précises, ces approches se révèlent longues et exigeantes en ressources, en particulier lorsqu’il s’agit d’estimer rapidement les quantités de ferraillage dans le cadre d’un chiffrage, ou de réagir à une modification de projet nécessitant un recalcul complet.

Afin d’accélérer et de simplifier ces étapes, un outil innovant est en cours de développement. Celui-ci repose sur l’utilisation de l’intelligence artificielle (IA) pour prédire rapidement les quantités de ferraillage nécessaires. L’outil s’appuie sur un métamodèle, c’est-à-dire une base de données artificielle alimentée par des résultats issus de simulations EF (réalisées sous ANSYS et traitées via un logiciel de post-traitement de détermination des armatures, ARMATEC). En exploitant cette base, un modèle d’IA est entraîné afin de fournir des prédictions fiables et immédiates.

Le but de ce stage est donc de contribuer au développement de l’outil et à l’entrainement du modèle IA.

2. Objectif et déroulement du stage

L’étudiant(e) aura pour mission de contribuer au développement de cet outil, en particulier sur :

• La structuration et l’enrichissement de la base de données (métamodèle) :

Une base de données riche et représentative a été déjà générée à partir de simulations classiques (ANSYS, ARMATEC). Elle sera à compléter afin de couvrir une large gamme de tailles et de formes de dalles et divers scénarios de charges, allant des comportements élastiques aux plastiques, couvrant également diverses configurations de conditions aux limites.

L’étudiant(e) sera amené à comprendre le principe de création de la base afin de pouvoir l’enrichir et la compléter si nécessaire.

• Conception et entraînement du modèle d’IA :

Un algorithme d’apprentissage supervisé sera sélectionné et entraîné sur le métamodèle afin d’apprendre à associer chaque configuration de dalle à son ferraillage optimal. Des ajustements seront réalisés pour garantir fiabilité et précision.

• La mise en place d’indicateurs de performance (précision, fiabilité, rapidité) pour valider l’efficacité de l’outil :

Une étape de validation sera menée pour comparer les prédictions générées par l’outil avec des résultats obtenus via des calculs traditionnels (RDM, Éléments Finis)

• Implémentation de l’outil dans l’environnement de travail de Setec nucléaire

Le stagiaire aura également pour mission d’élaborer un guide et une interface permettant aux ingénieurs de prendre rapidement en main l’outil développé, en vue de répondre aux besoins des projets.

3. Encadrement

Le stagiaire sera encadré au quotidien par un ingénieur études expérimenté responsable de développement de l’outil de prédiction. Il pourra également s’appuyer sur la direction technique de setec nucléaire et la direction scientifique de setec tpi.

Ce stage s’adresse à des étudiants ayant de solides connaissances dans la modélisation en éléments finis et en béton armé, souhaitant acquérir de nouvelles connaissances techniques et théoriques à fortes valeurs ajoutées. Une connaissance du logiciel ANSYS sera un plus.

Le candidat devra posséder des connaissances en Machine Learning ou, à défaut, un réel intérêt pour apprendre et se développer techniquement dans le domaine de l’intelligence artificielle.

Le stagiaire doit en outre avoir un goût prononcé pour la programmation et le développement. La connaissance du langage de programmation Python est indispensable.